Proposition de Correction

d’Algèbre Linéaire : MAT

1112. INF.

EQUIPE PROPENTA TECHSAVING SOLUTION

Dans un pays assombri par le chômage comme le

nôtre, la recherche de la compétence doit être la
problématique de tous. D’où la nécessité de se former
: PROPENTA est là pour vous.
 Examen d’Algèbre Linéaire: MAT 1112

Durée: 2 heures

Questions de Cours
Q1.
Soit K un corps fixé. Définir les notions suivantes :
• Base d’un K-espace vectoriel V de dimension finie.
• Endomorphisme f d’un espace vectoriel V de dimension finie.

Q2.
Énoncer et démontrer le théorème de la dimension pour les K-endomorphismes
sur un K-espace vectoriel V de dimension finie.

Exercices
Exercice 1
Soient B = (sin, cos, sin cos, sin2 , cos2 ) et V = ⟨B⟩ le sous-espace vectoriel des
fonctions numériques f (R, R) engendrées par B. Considérons l’application
F : V → V définie par F (f ) = f ′ , où f ′ désigne la dérivée de la fonction
numérique f .
1. Montrer que B est une base de V .
2. Montrer que F est un endomorphisme et déterminer la matrice MB (F )
de F sur la base B.
3. Résoudre le système d’équations linéaires MB (F )X = b, où b = (1, 2, 3, 4, 5),
et X est un vecteur de R3 à déterminer.

1
Exercice 2
Soient K un corps commutatif fixé, M (m × n, K) l’ensemble des matrices à
m lignes et n colonnes.

1. Écrire un algorithme qui lit deux matrices et calcule le produit de

celles-ci.

2. Écrire un algorithme qui lit en entrée une matrice fixée A et effectue

son échelonnage par les matrices élémentaires. En sortie, l’algorithme
présente sur une liste ordonnée toutes les matrices élémentaires utilisées
pour l’échelonnage de A.

Exercice 3
1. Échelonner et calculer le rang de la matrice suivante :
 
3 4 3
A = −10 −1 1
2 3 1

2. Résoudre le système AX = b pour la matrice A ci-dessus et discuter

suivant les valeurs des paramètres α, β, γ du vecteur b = (a, β, γ).

correction
Questions de Cours (5 points)
Q1
Soit K un corps fixé.

• Base d’un K-espace vectoriel V de dimension finie : Une base

d’un K-espace vectoriel V de dimension finie est un ensemble B =
{v1 , v2 , . . . , vn } de vecteurs de V tel que tout vecteur de V peut être ex-
primé de manière unique comme une combinaison linéaire des vecteurs
de B. Autrement dit, pour tout v ∈ V , il existe des scalaires α1 , α2 , . . . , αn ∈
K tels que
v = α1 v1 + α2 v2 + · · · + αn vn
et cette décomposition est unique.

2
 • Endomorphisme f d’un espace vectoriel V de dimension finie
: Un endomorphisme d’un espace vectoriel V de dimension finie est
une application linéaire f : V → V . Cela signifie que f respecte les
opérations de l’espace vectoriel, à savoir l’addition vectorielle et la mul-
tiplication scalaire :

f (u+v) = f (u)+f (v) et f (αv) = αf (v) pour tous u, v ∈ V et α ∈ K.

Q2
Théorème de la dimension pour les K-endomorphismes sur un K-
espace vectoriel V de dimension finie : Soit V un espace vectoriel de
dimension finie sur un corps K et soit f : V → V un endomorphisme. Alors,
on a
dim(ker(f )) + dim(im(f )) = dim(V )
où ker(f ) est le noyau de f et im(f ) est l’image de f .
Proof. Soit V un espace vectoriel de dimension n et soit f : V → V un
endomorphisme. Considérons une base de V adaptée à la décomposition du
noyau et de l’image de f .

• Soit {v1 , v2 , . . . , vk } une base de ker(f ). Par définition, f (vi ) = 0 pour

i = 1, 2, . . . , k.

• Complétons cette base pour obtenir une base de V . Soit {v1 , v2 , . . . , vk , vk+1 , . . . , vn }
une base de V .

• Alors, les vecteurs {f (vk+1 ), f (vk+2 ), . . . , f (vn )} forment une base de

im(f ). En effet, ils sont linéairement indépendants et engendrent im(f ).

Ainsi, on a dim(ker(f )) = k et dim(im(f )) = n − k. Par conséquent,

dim(ker(f )) + dim(im(f )) = k + (n − k) = n = dim(V ).

Exercice 2 (7 points)
Soient B = {sin, cos, sin cos, sin2 , cos2 } et V = ⟨B⟩ le sous-espace vectoriel
des fonctions numériques F (R, R) engendrées par B. Considérons l’application
F : V → V définie par F (f ) = f ′ , où f ′ désigne la dérivée de la fonction
numérique f .

3
1. Montrer que B est une base de V .
Pour montrer que B est une base de V , nous devons vérifier que les fonctions
dans B sont linéairement indépendantes et qu’elles engendrent V .

• Linéairement indépendantes : Supposons qu’il existe des scalaires

a1 , a2 , a3 , a4 , a5 ∈ R tels que

a1 sin(x) + a2 cos(x) + a3 sin(x) cos(x) + a4 sin2 (x) + a5 cos2 (x) = 0

pour tout x ∈ R. Nous devons montrer que a1 = a2 = a3 = a4 = a5 =

0. Évaluons cette équation en x = 0, π2 , π, 3π
2
, . . . et nous obtenons :

x = 0 : a2 + a5 = 0
π
x = : a1 + a4 = 0
2
x = π : −a2 + a5 = 0
3π
x= : −a1 + a4 = 0
2 √ √
π 2 2 1 1 1
x= : a1 + a2 + a3 + a4 + a5 = 0
4 2 2 2 4 4
De ces équations, il s’ensuit que a1 = a2 = a3 = a4 = a5 = 0, prouvant
ainsi l’indépendance linéaire de B.

• Engendrer V : Chaque fonction dans V peut être exprimée comme

une combinaison linéaire de sin, cos, sin cos, sin2 , et cos2 . Ainsi, B
engendre V .

Par conséquent, B est une base de V .

2. Montrer que F est un endomorphisme et déterminer

la matrice MB (F ) de F sur la base B.
• F est une application linéaire de V dans V , donc F est un endomor-
phisme.

• Pour déterminer la matrice de F dans la base B, nous devons calculer

les dérivées des fonctions de B :

F (sin) = cos, F (cos) = − sin, F (sin cos) = cos2 − sin2 ,

F (sin2 ) = 2 sin cos, F (cos2 ) = −2 cos sin .

4
 En exprimant ces dérivées comme des combinaisons linéaires des éléments
de B, nous obtenons la matrice MB (F ).
 
0 −1 0 0 0
1 0 0 0 0
 
0 0
 0 2 −2 

0 0 −1 0 0 
0 0 1 0 0

3. Résoudre le système d’équations linéaires MB (F )X =

b, où b = (1, 2, 3, 4, 5) et X est un vecteur de R5 à déterminer.
Pour résoudre le système MB (F )X = b, nous avons :
    
0 −1 0 0 0 x1 1
1 0 0 0 0  x2  2
   
 
0 0
 0 2 −2  x3  = 3
   
0 0 −1 0 0  x4  4
0 0 1 0 0 x5 5

Ce système peut être écrit comme suit :

−x2 =1
x1 =2
2x4 − 2x5 =3
−x3 =4
x3 =5

À partir des deux dernières équations, nous obtenons une contradiction :

x3 = −4 et x3 = 5. Par conséquent, le système n’a pas de solution.

Exercice 3 (5 points)
Soit K un corps commutatif fixé, M (m × n, K) l’ensemble des matrices à m
lignes et n colonnes.

1. Écrire un algorithme qui lit deux matrices et calcule

le produit de celles-ci.
Voici l’algorithme en pseudo-code :

5
Input: Matrices A (m x n) and B (n x p)
Output: Matrix C (m x p) such that C = A * B

Entrée : Matrices A (m x n) et B (n x p)
Sortie : Matrice C (m x p) telle que C = A * B

Algorithme MultiplicationMatricielle(A, B):

Soit C une matrice nulle de taille (m x p)
Pour i allant de 1 à m faire :
Pour j allant de 1 à p faire :
Pour k allant de 1 à n faire :
C[i][j] = C[i][j] + A[i][k] * B[k][j]
Retourner C

2. Écrire un algorithme qui lit en entrée une matrice

fixée A et effectue son échelonnement par les matrices
élémentaires. En sortie, l’algorithme présente sur une
liste ordonnée toutes les matrices élémentaires utilisées
pour l’échelonnement de A.
Voici l’algorithme en pseudo-code :

function echelonne_reduite(matrice M):

nb_lignes = nombre de lignes dans M
nb_colonnes = nombre de colonnes dans M
colonne_pivot = 1

pour chaque ligne dans M:

tant que colonne_pivot <= nb_colonnes:
si M[ligne][colonne_pivot] est égal à zéro:
trouver une autre ligne non-nulle en-dessous (ligne j) et échange
Calculer : M[ligne] M[j]
si M[ligne][colonne_pivot] est différent de zéro:
diviser la ligne par M[ligne][colonne_pivot] pour avoir un pivot
Calculer : M[ligne] ← M[ligne] / M[ligne][colonne_pivot]
pour chaque autre ligne i:
si i ligne:
soustraire un multiple de la ligne pivotée (ligne ligne)
Calculer : M[i] ← M[i] - M[i][colonne_pivot] * M[ligne]

6
 incrémenter ligne et colonne_pivot

colonne_pivot = 1
pour chaque ligne dans M en partant de la dernière:
tant que colonne_pivot <= nb_colonnes:
si M[ligne][colonne_pivot] est différent de zéro:
pour chaque ligne i en-dessus:
soustraire un multiple de la ligne pivotée (ligne ligne) de l
Calculer : M[i] ← M[i] - M[i][colonne_pivot] * M[ligne]

décrémenter ligne et colonne_pivot

pour chaque ligne dans M:

si la première entrée non-nulle est 1, marquer la colonne correspondante

retourner M

Exercice 4 (5 points)
1. Échelonnement et calcul du rang de la matrice suiv-
ante :
 
3 4 3
−1 0 −1
1 2 3
Pour échelonner la matrice A, nous appliquons l’algorithme de Gauss :
 
3 4 3
−1 0 −1
1 2 3

Première étape : utiliser le pivot 3 pour éliminer les éléments en dessous

:  
3 4 3
0 4 0
0 −2 −6

7
 Ensuite, utiliser le pivot 7/3 pour échelonner la matrice complètement :
 
3 4 3
0 4 0 
0 0 −12

Le rang de A est donc 3 car il y a trois pivots non nuls.

2. Résoudre le système AX = b, pour la matrice A ci-

dessus et discuter selon les valeurs des paramètres α, β, γ
du vecteur b = (α, β, γ).
Résolvons le système AX = b:
    
3 4 3 x1 α
−1 0 −1 x2  = β 
1 2 3 x3 γ

En utilisant la forme échelonnée réduite, nous trouvons :

  
3 4 3 α x1
0 4 0 3β + α   x2 
0 0 −12 3α + 3β − 6γ x3

Résolvons chaque ligne : 1. −12x3 = (3α + 3β − 6γ) ⇒ x3 = − 3α+3β−6γ 12

2. 4x2 = (3β + α) ⇒ x2 = ( 3β+α4
)
3. 3x1 + 4x2 + 3x3 = α ⇒ x1 = ( −3α−15β+6γ
4
)
En substituant les valeurs trouvées pour x2 et x3 dans l’équation pour x1 ,
nous obtenons la solution complète.

8
9